DOITAPP
DOIT数据智能产业媒体与服务平台
立即打开
DOITAPP
DOIT数据智能产业媒体与服务平台
立即打开

虚拟化桌面能够提供媲美本地PC的服务是一种什么体验?

桌面虚拟化技术已经应用多年,其凸出优势表现为降低了企业采购和维护成本,让管理效率更高,从而也提升了系统的安全性和稳定性,IT管理人员的工作量也大大降低。

但“差强人意”的用户体验一直被IT界所吐槽,可否实现虚拟化桌面服务堪比本地PC,让越来越多的IT用户获得动态丰富的多媒体体验。

NVIDIA-Proviz亚太区业务主管沈威

vGPU解决方案了解一下

自2013年NVIDIA发布第一个vGPU解决方案以来,通过将数据中心GPU进行虚拟化,用户便可在多个虚拟机中共享该GPU,大大提升了应用程序和桌面的性能,并支持组织构建虚拟桌面基础架构(VDI),继而在整个企业范围内经济高效地扩展此性能。如今,IT部门可充分利用GPU技术,体验媲美本地PC的虚拟化桌面服务。

NVIDIA vGPU软件可提供具有丰富图形效果的、由全球最强大的数据中心 GPU NVIDIA Tesla 加速器加速的虚拟桌面和工作站。

此软件可以转换服务器上安装的物理GPU,以创建可在多个虚拟机中共享的虚拟GPU。GPU 与用户之间的关系不再是一对一,而是一对多。

NVIDIA vGPU 软件还包括一个适用于所有虚拟机的显卡驱动程序,该显卡有时也被称为服务器端显卡。而且,NVIDIA vGPU 使每个虚拟机都能像物理桌面一样利用 GPU。但是,由于通常由 CPU 完成的工作转移到了GPU,因而能为用户带来更出色的体验,并且可为更多用户提供支持。

NVIDIA的虚拟GPU产品包括三款旨在应对数字化工作环境挑战的产品:面向知识工作者的 NVIDIA GRID 虚拟 PC (GRID vPC) 和 NVIDIA GRID 虚拟应用程序 (GRID vApp),以及面向设计师、工程师和建筑师的NVIDIA Quadro 虚拟数据中心工作站 (Quadro vDWS)。

NVIDIA中国区高级市场总监刘念宁

在前不久,NVIDIA发布了最新版本的虚拟化平台vGPU7.x,新版本可实现将多个物理GPU虚拟化分配给单一用户。可实现两个功能:

①针对性能要求不高的场景,如图形场景、教学场景和开发测试场景;

②针对算力要求非常高的用户,这时候可以使用多vGPU功能分配给每一个虚机,提供给用户。

因此,当前的解决方案会比之前的版本更加灵活,同时也符合vGPU解决方案的发展趋势。

首先,通过虚拟化手段,尽量多的满足用户不同场景的需求;其次,通过虚拟化手段,不断增强GPU在数据中心中的特性。因为越来越多的人工智能应用在数据中心做训练,完成后要做上线推理。如用户与智能音箱交互时,后台会有GPU服务器做支撑。所以,大量GPU数据中心需要被管理起来,需要具备数据中心的特性,这事传统物理GPU所不具备的。因此,需要通过虚拟化手段弥补其在数据中心中的一些特性的缺失。

NVIDIA-GPU虚拟化高级解决方案架构师张洁

据NVIDIA GPU虚拟化高级解决方案架构师张洁介绍,vGPU解决方案和NVIDIA的发展是相匹配的。最初NVIDIA基于GPU做图形显示,通过图形方式帮助用户做加速,分为企业级和非企业级。比较有代表性的企业级解决方案是专业的图形工作站,非企业级解决方案如游戏显卡。

虚拟化也是如此,最初是将图形负载做了虚拟化。将大量图形虚拟化用户拉倒数据中心,以前用图形工作站的用户,企业中有100位设计人员,需要配备100个图形工作站,每个图形工作站有一张GPU做图形加速,这是很典型的应用场景。

到了后期,出于管理和安全的诉求,越来越多的企业需要将图形设计与员工的数据集中管理,一般企业会采用虚拟化的方式,将传统的物理图形工作站变为虚拟化的工作站,放到数据中心运行。

但在数据中心,为每个用户配备一个物理GPU,无论是从空间还是成本角度考虑都是不现实的。因此推出了GPU虚拟化技术,将性能非常强劲的GPU卡虚拟成很多很小的逻辑的、虚拟的vGPU,这样可以方便地把图形用户从传统的物理工作负载迁移到数据中心。

vGPU 7.x特性带来的新场景应用

vGPU7.x版本一个比较明显的区别是多GPU的支持,基于对算力比较高的用户的需求,7.x版本通过虚拟化方式将多个物理GPU给到虚拟机,以满足不同用户对算力的不同需求。张洁以教学场景为例,学生需要低算力的GPU做教学实践和实训,而老师做科研需要很高算力的GPU,多GPU支持则很好的满足了两者的不同需要。

vMotion动态迁移。将一些不适合通过硬件形式实现的功能,通过软件的形式实现。如在数据中心进行热迁移,目前已经可以支持VMware和Citrix的服务器虚拟化平台在数据中心中挂上vGPU,可在数据中心进行业务不中断的迁移。

图形虚拟化技术已经相对成熟。如今需要将虚拟化中大量的计算特性加到vGPU中,让vGPU的特性和物理GPU解决方案平滑、无缝地迁移到数据中心。

支持Tesla T4。这是全新基于图灵架构的GPU,支持Tensor Core做人工智能加速,RT Core做实时光线追踪加速,有CUDA Core做图形和计算。

基于vGPU 7.x的最新特性,也带来了场景应用上的拓展。2020年1月,微软将会正是停止对Win7的支持,越来越多的用户会迁移到Win10,因此会有越来越多的虚拟桌面用户迁移到Win10,而Win10对GPU的要求比较高。因此,在虚拟桌面场景,有GPU用户体验会大大增强。

在vGPU 5.x版本中,GPU支持做计算。一些对算力要求非常高的离线渲染场景可以用GPU实现,而支持多GPU分配的7.x版本,可以提升渲染的效率。

自2016年人工智能技术受到广泛关注后,GPU开始在越来越多的AI场景中应用,如深度学习推理。

经过5年多的发展,NVIDIA vGPU虚拟化平台经过7代的版本迭代,从只能限定的几款GPU上实现虚拟化,到如今支持多达7家虚拟化平台及所有GPU,完善了整个生态,加入计算功能及对国内厂商的大范围支持等等,助力企业客户实现堪比本地PC的服务体验。

未经允许不得转载:DOIT » 虚拟化桌面能够提供媲美本地PC的服务是一种什么体验?